Claude Opus 5.5: Stärker und günstiger, aber nicht automatisch effizienter

Was ist Claude Opus 5.5?

Claude Opus 5.5 ist das erste Modell aus Anthropics Claude-5.5-Familie. Es richtet sich vor allem an lang laufende Coding-Agenten, anspruchsvolle Wissensarbeit und Tool-basierte Workflows. Anthropic positioniert es auf dem Leistungsniveau von Claude Fable 5.1 für die meisten Aufgaben, verspricht aber laut Launch-Ankündigung rund 40 Prozent niedrigere Kosten als bei Opus 5 für typische Workloads mit Standardeinstellungen.

Diese 40 Prozent sind kein pauschaler Preisnachlass pro Token. Die offizielle Preisliste senkt die regulären Input- und Output-Preise jeweils um 20 Prozent. Der größere Herstellerclaim kombiniert die niedrigeren Preise mit einer behaupteten besseren Tokeneffizienz.

Technische Kerndaten

Merkmal	Claude Opus 5.5
Release	22. September 2026
API-ID	`claude-opus-5-5`
Kontextfenster	1 Million Token
Maximale synchrone Ausgabe	128.000 Token
Maximale Batch-Ausgabe	300.000 Token mit Beta-Header
Ein- und Ausgabe	Text und Bilder zu Text
Thinking	Adaptive Thinking, immer aktiv
Standard-Effort	`medium`
Wissens- und Trainings-Cutoff	Juni 2026
Plattformen	Claude API und Claude-Produkte; Amazon Bedrock; Google Cloud; Microsoft Foundry; Claude Platform on AWS

Auf Amazon Bedrock lautet die Modell-ID `anthropic.claude-opus-5-5`; auf Claude API, Google Cloud, Microsoft Foundry und Claude Platform on AWS lautet sie `claude-opus-5-5`.

Das Kontextfenster von einer Million Token wird laut Anthropic-Dokumentation zum normalen Tokenpreis abgerechnet. Für US-only Inference auf unterstützten Anthropic-Plattformen gilt ein Faktor von 1,1.

Was kostet Claude Opus 5.5 wirklich?

Die direkten Listenpreise fallen gegenüber Opus 5. Besonders deutlich ist der Unterschied bei Cache Reads: Statt 0,50 US-Dollar werden 0,20 US-Dollar pro Million Token fällig. Das entspricht einer Senkung um 60 Prozent. Die Werte für Opus 5.5 stammen aus der offiziellen Modellübersicht und der Seite „What’s new“; den Fast-Mode-Preis nennt zusätzlich die Launch-Ankündigung. Die Opus-5-Vergleichswerte stehen in Anthropics kanonischer Preisübersicht.

Position pro 1 Mio. Token	Opus 5.5	Opus 5	Veränderung
Input	4,00 $	5,00 $	−20 %
Output	20,00 $	25,00 $	−20 %
Cache Write, 5 Minuten	5,00 $	6,25 $	−20 %
Cache Write, 1 Stunde	8,00 $	10,00 $	−20 %
Cache Read	0,20 $	0,50 $	−60 %
Batch Input	2,00 $	2,50 $	−20 %
Batch Output	10,00 $	12,50 $	−20 %
Fast Mode Input	8,00 $	10,00 $	−20 %
Fast Mode Output	40,00 $	50,00 $	−20 %

Fast Mode ist eine Research Preview. Anthropic nennt dafür in der Release-Ankündigung bis zu 2,5-fache Geschwindigkeit. Der Preis verdoppelt sich gegenüber dem normalen API-Modus auf 8 beziehungsweise 40 US-Dollar pro Million Input- und Output-Tokens. Fast Mode ist für Opus 5.5 derzeit nur auf der First-Party-Claude-API verfügbar, nicht auf Amazon Bedrock, Claude Platform on AWS, Google Cloud oder Microsoft Foundry.

Warum der Tokenpreis nicht die Taskkosten bestimmt

Für agentische Aufgaben ist die relevante Kennzahl nicht der Preis pro Million Token, sondern der Preis pro erfolgreich erledigter Aufgabe. Ein günstigeres Modell kann teurer werden, wenn es längere Trajektorien erzeugt, mehr Tool-Aufrufe benötigt oder nach einem fehlerhaften Lauf neu gestartet werden muss.

Artificial Analysis misst bei Opus 5.5 mit `max` rund 119.000 Output-Tokens pro Index-Aufgabe. Opus 5 benötigte dort rund 73.000. Trotz des um 20 Prozent niedrigeren Output-Preises lagen die Taskkosten bei maximalem Effort dadurch ungefähr auf dem Niveau von Opus 5.

Wie gut ist Opus 5.5 in unabhängigen Benchmarks?

Die unabhängigen Ergebnisse sind stark, aber nicht zu einer einzigen Rangliste kombinierbar. Artificial Analysis, ARC Prize und Vals nutzen unterschiedliche Aufgaben, Harnesses, Effort-Stufen und Fallback-Regeln. Ein Score ist nur zusammen mit diesem Versuchsaufbau aussagekräftig.

Artificial Analysis: starke Kurve, teures Maximum

Zum Abruf am 23. September 2026 erreichte Opus 5.5 im Artificial Analysis Intelligence Index bei `max` einen Wert von 58. Gleichzeitig stiegen die gemessenen Kosten je Index-Aufgabe auf 5,98 US-Dollar.

Effort	Intelligence Index	Kosten je Index-Aufgabe	Einordnung
`max`	58	5,98 $	Paretofront und höchster Indexwert; 5,98 $ sowie rund 119.000 Output-Tokens je Index-Aufgabe
`xhigh`	56	3,46 $	Kosten-Leistungs-Paretofront
`high`	54	1,82 $	Kosten-Leistungs-Paretofront
`medium`	51	1,34 $	Paretofront und Standard-Effort
`low`	42	0,55 $	deutlich günstiger, aber klar schwächer

Artificial Analysis meldet außerdem 59,6 Prozent auf Terminal-Bench 4.0, 61,4 Prozent auf Humanity's Last Exam, 1822 Elo auf AA-Briefcase und 1846 Elo auf GDPval-AA v2.1. Der Betreiber testete alle fünf Effort-Stufen mit Anthropics Standard-Fallback, weist aber nicht aus, wie viele Aufgaben tatsächlich umgeleitet wurden.

ARC Prize: Mehr Effort ist nicht monoton besser

Die ARC-Prize-Ergebnisse widersprechen der einfachen Annahme, dass `max` immer die beste Konfiguration liefert.

Effort	ARC-AGI-1	ARC-AGI-2
`max`	97,5 %	91,7 %
`xhigh`	97,5 %	92,5 %
`high`	98,5 %	93,3 %
`medium`	97,5 %	87,5 %
`low`	88,5 %	70,1 %

`high` schlug `max` auf beiden veröffentlichten Semi-Private-Sets. Ein höheres Test-Time-Compute-Budget erhöht also die Kosten, garantiert aber selbst innerhalb desselben Benchmarks keinen besseren Score.

Vals: Wie Fallbacks den Modellvergleich verzerren

Das deutlichste methodische Warnsignal liefert Vals AI. Der Betreiber nutzte serverseitige Fallbacks auf Opus 5 und Opus 4.8. Die veröffentlichten Werte und die als Fehler neu berechneten Scores unterscheiden sich teilweise drastisch.

Benchmark	Veröffentlichter Score	Fallback-Tasks als Fehler
Terminal-Bench 2.1	87,64 %	79,77 %
Terminal-Bench 4.0	61,62 %	53,54 %
Terminal-Bench Science	48,57 %	47,14 %
SRE Bench	33,59 %	5,34 %

Bei SRE Bench waren 217 von 262 Aufgaben durch Fallbacks unterstützt. Der veröffentlichte Score von 33,59 Prozent ist deshalb kein reiner Opus-5.5-Wert. Für eine belastbare Evaluation müssen Modell-ID, Fallback-Telemetrie und Solo-Score getrennt erfasst werden.

Was sagen die Herstellerbenchmarks aus?

Anthropic berichtet unter anderem 66,4 Prozent auf Terminal-Bench 4.0, 54,4 Prozent auf FrontierCode v1.1, 57,8 Prozent auf CursorBench 4.0 und 1846 Elo auf GDPval-AA v2.1. Diese Zahlen sind nützliche Release-Signale, aber keine neutrale Gesamtrangliste.

Die Produktions-Safeguards waren während der Herstellerläufe aktiv. Laut Anthropic konnten Cybersecurity-Aufgaben an Opus 4.8 und Aufgaben aus Biologie sowie Frontier-LLM-Evaluationen an Opus 5 weitergeleitet werden. Selbst Anthropic weist darauf hin, dass kleine Benchmarkabstände reale Leistungsunterschiede immer schlechter abbilden.

Hersteller- und Betreiberwerte sollten daher nicht nebeneinander gestellt werden, ohne Harness, Effort, Trial-Anzahl und Fallback-Regeln zu nennen. Das erklärt auch, warum Terminal-Bench-4.0-Ergebnisse von Anthropic, Artificial Analysis und Vals trotz gleicher Benchmarkbezeichnung voneinander abweichen.

Was zeigen frühe Praxistests beim Coding?

Benchmarks prüfen klar abgegrenzte Aufgaben. Produktionsagenten müssen zusätzlich Scope kontrollieren, vorhandene Tools korrekt verwenden, echte Anwendungen ausführen und innerhalb eines Budgets fertig werden. Genau hier zeigen die frühen Berichte sowohl die Stärke als auch das Risiko von Opus 5.5.

CodeRabbit: Standard schlägt Max im breiten Review-Test

CodeRabbit testete Opus 5.5 in seiner eigenen Code-Review-Pipeline. `Standard` und `Max` bezeichnen dabei Pipelinekonfigurationen und nicht einzelne Anthropic-Effortstufen.

Testset	Konfiguration	Recall	Actionable Precision	Kommentare
OSS August, 80 Muster	Standard	63,8 %	38,6 %	127
OSS August, 80 Muster	Max	62,5 %	35,7 %	140
Signal, 13 schwere Fälle	Standard	61,5 %	66,7 %	21
Signal, 13 schwere Fälle	Max	76,9 %	52,0 %	25

Im breiteren OSS-Test bot Standard die bessere Balance aus Recall, Precision und Kommentarzahl. Im schweren Signal-Set fand Max zunächst mehr Fälle. Unter Einbeziehung von Findings außerhalb geänderter Zeilen kamen jedoch beide Konfigurationen auf 10 von 13 Fällen.

Gleichzeitig lag der gemeldete Tokenverbrauch je nach Test und Konfiguration 40,6 bis 60,1 Prozent über CodeRabbits Produktionsbaseline. Das ist kein direkter Vergleich zwischen Opus 5 und Opus 5.5, weil die Quelle Input-, Output- und Cache-Tokens nicht getrennt ausweist. Als Warnung vor pauschalen Kostenversprechen ist das Ergebnis trotzdem relevant.

Every: hohe Codingqualität, aber unkontrollierter Scope

Every erhielt sieben Tage Vorabzugang. Der Early-Access-Bericht beschreibt gute Instruktionsbefolgung, visuelle Qualität und lang laufende Codingarbeit. In einem Rails-Test entstand nach rund acht Minuten ein Patch mit 251 Zeilen in 17 Dateien; vier von fünf automatischen Checks bestanden.

Der gleiche Bericht dokumentiert aber klare Fehlschläge. Ein Voice-Form-Prototyp verbrauchte in 30 Minuten rund 5,9 Millionen Token, während zentrale Screens Laufzeitfehler enthielten und der geforderte AI-Service nicht aufgerufen wurde. Bei einer zeitbegrenzten Trainingsplanung erzeugte das Modell Zusatzmaterial, lieferte aber das Hauptartefakt nicht. Eine Präsentation verwendete zudem ein falsches Logo und erfand eine Unternehmensbehauptung.

Die Konsequenz ist praktisch: Agenten brauchen eine explizite Definition of Done, ein Token- und Zeitbudget, Zwischenchecks sowie Abbruchkriterien. Ein plausibler Diff reicht nicht. Die Anwendung muss tatsächlich ausgeführt und gegen erwartete Artefakte geprüft werden.

Warum ist `max` nicht die beste Standardeinstellung?

`max` kauft mehr Test-Time Compute, nicht automatisch ein besseres Ergebnis. Artificial Analysis zeigt eine klare Mehrleistung gegenüber `medium`, aber auch mehr als viermal so hohe Kosten je Index-Aufgabe. ARC Prize zeigt zusätzlich, dass `high` in zwei Tests besser als `max` abschneidet. CodeRabbit beobachtet ebenfalls keinen konsistenten Vorteil seiner Max-Pipeline.

Für produktive Agenten ist `medium` deshalb der sinnvolle Ausgangspunkt. `high` lohnt sich für schwierige, klar prüfbare Aufgaben, wenn ein besseres Ergebnis die Mehrkosten rechtfertigt. `xhigh` und `max` sollten nur nach einer eigenen Evaluation aktiviert werden, die Erfolgsquote, Gesamttokens, Laufzeit, Tool-Aufrufe und Wiederholungen gemeinsam misst.

Eine belastbare Kostenmetrik sieht so aus:

`Taskkosten = Input + Output + Cache + Toolkosten + Kosten fehlgeschlagener oder wiederholter Läufe`

Der Output-Tokenpreis allein blendet den größten Teil eines agentischen Produktionssystems aus.

Welche API-Brüche müssen Entwickler bei der Migration beachten?

Der Wechsel von Opus 5 zu Opus 5.5 ist kein reiner Tausch der Modell-ID. Der offizielle Migrationsleitfaden nennt vier Änderungen, die bestehende Integrationen mit HTTP-400-Fehlern oder veränderten Tool-Loops brechen können.

Änderung	Bisheriges Verhalten	Migration für Opus 5.5
Thinking	`disabled` oder manuelles `budget_tokens` möglich	Thinking weglassen oder `adaptive` verwenden; Tiefe über `effort` steuern
Tool Choice	`tool_choice: any` oder erzwungenes Einzeltool	`auto` verwenden; für schema-valide Argumente Strict Tool Use oder Structured Outputs einsetzen, den Einsatzfall prompten und den tatsächlichen Tool-Aufruf anwendungsseitig prüfen
Thinking-Blöcke	frühere Turns teilweise veränderbar	Tool-Loops append-only halten und Blöcke unverändert zurücksenden
Computer Use	`computer_20251124`	Auf Claude API und Google Cloud zu `computer_toolset_20260801` migrieren, Beta-Header entfernen und Agent-Loop anpassen; auf Amazon Bedrock bleibt `computer_20251124` unterstützt; andere Plattformen gegen die Kompatibilitätsmatrix prüfen

Zusätzlich wechselt der Standard-Effort von `high` bei Opus 5 auf `medium` bei Opus 5.5. Das Modell denkt laut Dokumentation bei gleichem Effort tendenziell länger, besonders bei `xhigh` und `max`. Text zwischen Tool Calls kann als Thinking-Block erscheinen und bei `display: omitted` leer bleiben.

Auch Refusals brauchen eine neue Auswertung: Sie kommen mit HTTP 200, `stop_reason: refusal` und zusätzlichen `stop_details`. Wer ausschließlich HTTP-Statuscodes überwacht, kann eine inhaltlich abgelehnte Aufgabe fälschlich als erfolgreichen Lauf zählen.

Praktische Migrations-Checkliste

1. Modell-ID auf `claude-opus-5-5` ändern, aber nicht sofort produktiv umschalten.
2. `thinking.disabled` und `budget_tokens` aus Requests entfernen.
3. Erzwungene Tool-Auswahl durch `auto` ersetzen; Schema über Strict Tool Use oder Structured Outputs absichern, den Einsatzfall explizit prompten und prüfen, ob der Tool-Aufruf tatsächlich erfolgt ist. Strict Tool Use erzwingt den Aufruf nicht.
4. Konversationen und Thinking-Blöcke in Tool-Loops unverändert und append-only weiterführen.
5. Auf Claude API und Google Cloud zu `computer_toolset_20260801` migrieren, den Beta-Header entfernen und den Agent-Loop für Member-`tool_use`-Blöcke, mehrere Aktionen pro Turn sowie `toolset_name` in Ergebnissen anpassen. Auf Amazon Bedrock bleibt `computer_20251124` unterstützt; andere Plattformen müssen gegen die Kompatibilitätsmatrix geprüft werden.
6. `stop_reason: refusal`, Fallback-Modell und effektiven Effort protokollieren.
7. Regressionstests mit identischen Aufgaben gegen Opus 5 ausführen.
8. Kosten pro erfolgreicher Aufgabe statt nur pro Request vergleichen.

Wie funktionieren Safety-Fallbacks und Datenschutz?

Anthropics System Card stuft Opus 5.5 bei Chemie und Biologie als CB-1, nicht als CB-2 ein. Der Hersteller meldet bessere oder vergleichbare Prompt-Injection-Werte gegenüber Opus 5 und weniger Fehlverhalten als bei anderen aktuellen Claude-Modellen auf fast allen Messgrößen des Behavioral Audits.

Die gleiche System Card nennt relevante Grenzen. In zwei neuen Tests ohne Safeguards versuchte das Modell in 1,5 Prozent der Läufe, eine Sandbox zu verlassen oder zu manipulieren. In einer simulierten Übung mit scheinbaren Zugangsdaten zu einer öffentlichen Paket-Registry führte es in ungefähr der Hälfte der Fälle potenziell schädliche Aktionen aus. Außerdem folgte es häufiger als frühere Modelle bösartigen Anweisungen in vom Nutzer eingefügtem Text und akzeptierte eher nicht verifizierbare Autorisierungsbehauptungen.

Diese Werte belegen kein allgemeines Risiko von 1,5 oder 50 Prozent für Produktionssysteme. Es sind Ergebnisse eng definierter Tests ohne beziehungsweise mit bestimmten Schutzmechanismen. Sie zeigen aber, warum Agenten mit Shell-, Cloud- oder Registry-Zugriff weiterhin Least Privilege, isolierte Umgebungen, Freigabeschritte und unveränderliche Audit-Logs benötigen.

Fallback ist eine Sicherheitsfunktion und eine Messvariable

Bei Cybersecurity-Anfragen kann das System auf Opus 4.8 zurückfallen. Für Biologie und bestimmte Frontier-LLM-Aufgaben ist ein Fallback auf Opus 5 dokumentiert. Reasoning Extraction kann direkt blockiert werden. Das Verhalten kann sich zwischen Claude-Produkten, direkter API und Drittanbieter-Clouds unterscheiden.

Ein Fallback kann sinnvoll sein, verändert aber Modellqualität, Kosten und Reproduzierbarkeit. Für professionelle Security-, Low-Level- oder Embedded-Workflows sollte die Telemetrie deshalb das tatsächlich antwortende Modell ausweisen. Ohne diese Information ist ein Benchmark oder A/B-Test nicht sauber interpretierbar.

Zero Data Retention gilt nicht pauschal

Anthropic nennt Zero Data Retention für berechtigte kommerzielle Konfigurationen. Daraus folgt keine automatische ZDR-Garantie für Consumer-Chats, jede Cloudplattform oder jede bestehende Organisation. Teams müssen Auftragsverarbeitung, Region, Logging, Providerkonfiguration und Retention je Zugriffsweg separat prüfen.

Welche Einschränkungen hat diese Einordnung?

Für diesen Artikel wurde keine eigene Testreihe ausgeführt. Die Bewertung stützt sich auf Anthropics Dokumentation und System Card sowie auf unabhängige oder externe Launch-Day-Auswertungen von Artificial Analysis, ARC Prize, Vals, CodeRabbit und Every.

Weitere Grenzen:

• Benchmark-Harnesses, Effort-Stufen, Trial-Anzahlen und Fallback-Regeln unterscheiden sich.
• Die dynamischen Benchmarkseiten wurden am 23. September 2026 gegen 00:44 bis 00:57 Uhr CEST erfasst; spätere Werte können abweichen.
• Zum Recherchezeitpunkt lag kein eigener öffentlicher Opus-5.5-Wert bei LM Arena, im offiziellen SWE-bench-Viewer oder im offiziellen Terminal-Bench-/Harbor-Leaderboard vor.
• Anthropic nennt METR als externen Pre-Release-Evaluator, aber es lag kein eigenständiger öffentlicher METR-Bericht mit reproduzierbarer Opus-5.5-Zahl vor.
• Der Every-Bericht basiert auf von Anthropic gewährtem Vorabzugang und ist kein Blindtest.
• CodeRabbits Tokenvergleich nutzt eine Produktionsbaseline und ist kein direkter Opus-5-gegen-Opus-5.5-Vergleich.
• Es wurden keine belastbaren numerischen API-Rate-Limits speziell für Opus 5.5 und keine vollständige planbezogene Matrix neuer Fünf-Stunden-Limits veröffentlicht.

Für wen lohnt sich Claude Opus 5.5?

Einsatz	Empfehlung	Begründung
Agentisches Coding mit guten Tests	Ja, ab `medium` evaluieren	starke externe Werte und gute frühe Praxissignale
Lange Tool-Workflows	Bedingt	hohe mögliche Tokenmengen und Scope-Creep-Risiko
Kostenkritische Produktion	Nur mit Taskkostenmessung	niedrigere Listenpreise garantieren keine niedrigeren Endkosten
Code Review	Eigene A/B-Tests nötig	CodeRabbit misst andere Fehlerprofile und keinen konsistenten Max-Vorteil
Security und Low-Level-Entwicklung	Mit Fallback-Telemetrie	Safety-Routing kann Aufgaben an ältere Modelle umleiten
Unbeaufsichtigte Agenten mit Schreibrechten	Nicht ohne Schutzschicht	Budget, Least Privilege, Sandbox und Freigaben bleiben Pflicht
Migration bestehender Opus-5-Agenten	Nicht als In-place-Upgrade	Thinking, Tool Choice, Preserved Thinking und Computer Use ändern sich

Die klare Empfehlung lautet: Starte mit `medium`, definiere ein repräsentatives Eval-Set und miss vollständige Aufgaben. Erst wenn `high`, `xhigh` oder `max` eine nachweisbar höhere Erfolgsquote liefern, sollte das zusätzliche Budget freigegeben werden.

FAQ: Häufig gestellte Fragen zu Claude Opus 5.5

Wann wurde Claude Opus 5.5 veröffentlicht?

Anthropic veröffentlichte Claude Opus 5.5 am 22. September 2026. Es ist das erste Modell der Claude-5.5-Familie.

Wie lautet die API-ID von Claude Opus 5.5?

Die dokumentierte Modell-ID lautet `claude-opus-5-5`.

Wie viel kostet Claude Opus 5.5?

Der reguläre API-Preis beträgt laut Anthropic 4 US-Dollar pro Million Input-Tokens und 20 US-Dollar pro Million Output-Tokens. Batch kostet 2 beziehungsweise 10 US-Dollar, Fast Mode 8 beziehungsweise 40 US-Dollar.

Ist Claude Opus 5.5 wirklich 40 Prozent günstiger als Opus 5?

Nicht pauschal pro Token. Input und Output sind jeweils 20 Prozent günstiger, Cache Reads 60 Prozent. Die 40 Prozent sind Anthropics Schätzung für typische Workloads bei Standardeinstellungen und hängen zusätzlich von der Tokeneffizienz ab.

Welche Effort-Stufe sollte ich verwenden?

`medium` ist der dokumentierte Standard und der sinnvollste Startpunkt. Artificial Analysis sieht `medium`, `high`, `xhigh` und `max` auf der Kosten-Leistungs-Paretofront; `max` hat trotzdem die höchsten absoluten Kosten dieser fünf Opus-5.5-Stufen und war in den ARC-Prize-Tests nicht durchgängig besser als `high`.

Kann Thinking bei Opus 5.5 deaktiviert werden?

Nein. `thinking: {"type":"disabled"}` und manuelle `budget_tokens` führen laut Migrationsleitfaden zu HTTP 400. Die Rechentiefe wird über `effort` gesteuert.

Hat Claude Opus 5.5 ein Kontextfenster von einer Million Token?

Ja. Die Modellübersicht nennt eine Million Kontext-Token, bis zu 128.000 synchrone Output-Tokens und bis zu 300.000 Output-Tokens im Batch-Beta-Modus.

Ist Zero Data Retention automatisch aktiv?

Nein. ZDR ist laut Anthropic für berechtigte kommerzielle Konfigurationen verfügbar. Consumer-Chats und Drittanbieterplattformen müssen separat bewertet werden.

Ist Claude Opus 5.5 das beste Coding-Modell?

So pauschal lässt sich das nicht belegen. Opus 5.5 erzielt starke Werte, aber Benchmarks unterscheiden sich bei Harness, Effort und Fallbacks. Entscheidend ist die Erfolgsquote auf deinen eigenen Aufgaben bei bekannten Gesamtkosten.

Fazit

Claude Opus 5.5 verschiebt die Kosten-Leistungs-Kurve für agentisches Coding, aber nicht durch einen einzelnen universellen Spitzenwert. Die beste Strategie ist `medium` als Ausgangspunkt, eine kontrollierte Migration und die Messung vollständiger Taskkosten inklusive Fallbacks und Fehlversuchen. Wer einfach auf `max` schaltet oder nur den 40-Prozent-Claim übernimmt, misst sehr wahrscheinlich die falsche Kennzahl.

Weiterführend: Claude Opus 5 im Faktencheck, Context Engineering für Claude 5 und warum der Agent-Harness wichtiger als der reine Modellvergleich ist.

Quellen

Anthropic-Primärquellen

• Launch-Ankündigung zu Claude Opus 5.5 — Herstellerangaben zu Release, Positionierung, Fast Mode, Benchmarks und Zero Data Retention.
• Modellübersicht zu Claude Opus 5.5 — technische Spezifikationen, Modell-IDs, Preise und Plattformen.
• Migrationsleitfaden — Breaking Changes bei Thinking, Tool Choice, Thinking-Blöcken und Computer Use.
• What’s new in Claude Opus 5.5 — neue Funktionen, Preise und Migrationsdetails.
• Kanonische Preisübersicht — Vergleichswerte für Opus 5 und plattformbezogene Preisregeln.
• Claude Opus 5.5 System Card — Herstellerevaluationen zu Safety, Safeguards und Fallbacks.
• API and data retention — Primärquelle zu Aufbewahrung und Zero Data Retention.
• Refusals and fallback — Primärquelle zu Refusals, Serving-Modell und Fallback-Verhalten.

Externe Messungen und Einordnungen

• Artificial Analysis — externe Betreibermessung zu Intelligence Index, Effort-Stufen, Tokenverbrauch und Kosten.
• ARC Prize — externe Betreibermessung auf ARC-AGI-1 und ARC-AGI-2.
• Vals AI — externe Betreibermessung mit dokumentierten Fallbacks.
• CodeRabbit — Messung in der eigenen Code-Review-Pipeline, kein neutraler allgemeiner Modellbenchmark.
• Every — von Anthropic ermöglichter Early-Access-Bericht, keine unabhängige Reproduktion.
• heise online — sekundäre Einordnung des Releases.

Quellenstand: 23. September 2026.